电动汽车拥有高能效、低污染、环境友好等优势，正逐渐成为未来交通方式的首选。电动汽车动力电池健康状态（State of Health, SOH）估算有助于确保电池系统的安全性和可靠性，也可以为优化电池使用和提高电池效率提供有用的信息。针对实际应用中用户充电行为不确定和传感器数据质量不高的场景，本文提出了基于改进的长短时神经网络（Long Short Term Memory, LSTM）的电动汽车动力电池SOH估算方法。首先，综合考虑参数可获取性与泛用性，选取电池充电电压随荷电状态（State of Charge, SOC）的变化曲线作为模型的特征参数。然后，提出了基于LSTM的电池SOH估算方法，该方法将充电数据按照其SOC划分成若干片段，再基于每个数据片段创建模型来估算电池SOH。最后，通过牛津锂离子电池数据集模拟真实充电数据，验证了所提方法的有效性，并将本文所提出的SOH估算方法与其他SOH估算方法对比，验证了本文所提出的SOH估算方法的准确性与泛用性。